程式碼執行代理

程式碼執行代理透過撰寫程式碼、在沙箱中執行、讀取輸出或錯誤、再加以迭代來解題。模型若用散文推理，可能算錯算術或弄丟狀態；這類代理則把精確的工作卸載給直譯器，由它精準計算並回報真相。這就像「在腦中估算總和」與「把它打進一台無從爭辯的計算機」之間的差別。

機制上，模型以工具呼叫的形式發出一段程式碼區塊；沙箱化的執行環境執行它，回傳標準輸出、回傳值、錯誤與副作用，並接到上下文後面。代理接著便能除錯：讀取堆疊追蹤、修補程式碼、重新執行，直到測試通過。這種錨定讓結果可驗證——你可以對代理自己的輸出跑斷言或單元測試——也是「程式輔助語言模型」這類做法的基礎，其中推理以程式而非自由文字表達。

執行把生成器變成可檢查的東西，這是可靠度上的主要勝利，但執行模型所寫的程式碼是一個嚴重的安全攻擊面：它可能讀取資料、連上網路或耗盡資源。實際部署需要強力沙箱、資源與網路限制以及逾時設定；即便如此，一次通過的執行也只證明程式碼做到了被測試的部分，並不保證它解決了原本想解的任務。